LangChain launcht mcpdoc: Informationen aus llms.txt extrahieren gegen Überladung und Ungenauigkeit 47

MCPdoc – Was ist das?

mcpdoc ist ein von LangChain eingeführtes Tool, das über einen MCP-Server den Inhalt von llms.txt-Dateien in Form von Programmierentwicklungswerkzeugen für integrierte Entwicklungsumgebungen oder andere Anwendungen bereitstellt. Es löst Probleme wie Informationsüberflutung, unvollständige oder ungenaue Informationen, hilft KI-Assistenten, komplexe Framework-Dokumentationen zu verstehen, und bietet Entwicklern ein effizienteres und transparenteres Entwicklungserlebnis.

Funktionsprinzip von mcpdoc

Das Herzstück von mcpdoc ist der MCP-Server, der für die Indizierung und Verwaltung der LLM-Konfigurationsinformationen zuständig ist und IDEs sowie anderen Anwendungen Kontextdaten bereitstellt. Die Anwendung fordert über API-Aufrufe relevante LLM-Konfigurationsinformationen vom MCP-Server an, basierend auf der aktuellen Entwicklungsumgebung und dem Code-Kontext.

Kernfunktionen von mcpdoc

• Bereitstellung einer Zugriffsschnittstelle für llms.txt-Dateien: llms.txt ist eine Datei, die Kontextinformationen für LLMs (Large Language Models, große Sprachmodelle) bereitstellt und Hintergrundinformationen, Anleitungen sowie Verweise auf ausführliche Dokumentationen enthält. mcpdoc stellt diese Informationen über den MCP-Server in standardisierter Form für IDEs oder andere Anwendungen bereit.

• Unterstützung mehrerer Dokumentquellen: Benutzer können die Quelle der llms.txt-Datei auf verschiedene Arten angeben, einschließlich der direkten Angabe einer URL, der Verwendung einer YAML-Konfigurationsdatei oder einer JSON-Konfigurationsdatei.

• Verbesserung des Kontextverständnisses von Entwicklungswerkzeugen: Über den MCP-Server können IDEs oder andere Anwendungen den Inhalt der llms.txt-Datei dynamisch abrufen und analysieren, um Entwicklern reichhaltigere Kontextinformationen bereitzustellen und ihnen so zu helfen, LLMs besser zu verstehen und zu nutzen.

• Auditierung und Kontrolle von Werkzeugaufrufen: Im Vergleich zur direkten Verwendung eingebauter Werkzeuge zum Lesen und Verarbeiten von llms.txt-Dateien ermöglicht mcpdoc den Benutzern, jeden Werkzeugaufruf sowie die zurückgegebenen Kontextinhalte zu auditieren, was eine höhere Transparenz und Kontrolle bietet.

Anwendungsfälle von mcpdoc

• Integrierte Entwicklungsumgebungen (IDEs): Beispielsweise können IDEs wie Cursor, Windsurf usw. über den von mcpdoc bereitgestellten MCP-Server dynamisch Kontextinformationen aus der llms.txt-Datei abrufen und Entwicklern so intelligentere Code-Unterstützungsfunktionen bieten.

• KI-gestützte Entwicklungswerkzeuge: Werkzeuge wie Claude Code/Desktop können die von mcpdoc bereitgestellten Kontextinformationen nutzen, um Entwicklern genauere Code-Vorschläge und Dokumentationsunterstützung zu bieten.

• Dokumentationserstellung und -verwaltung: mcpdoc kann Entwicklern helfen, codebezogene Dokumentationen automatisch zu erstellen und zu verwalten, wodurch der Aufwand für das manuelle Schreiben und Pflegen von Dokumentationen reduziert wird.

Verwendung von mcpdoc

Installation

Zunächst muss das uv-Tool installiert werden, was über den folgenden Befehl erfolgen kann:

curl -LsSf https://astral.sh/uv/install.sh | sh

Starten des MCP-Servers

Der mcpdoc-Server kann mit dem folgenden Befehl gestartet werden, wobei die Quelle der llms.txt-Datei angegeben wird:

uvx --from mcpdoc mcpdoc \
--urls "LangGraph:https://langchain-ai.github.io/langgraph/llms.txt" "LangChain:https://python.langchain.com/llms.txt" \
--transport sse \
--port 8082 \
--host localhost

Der Parameter --urls dient zur Angabe der Quelle der llms.txt-Datei, es können mehrere URLs angegeben werden.

Der Parameter --transport gibt die Kommunikationsart an, z. B. sse (Server-Sent Events).

Die Parameter --port und --host dienen zur Angabe des Server-Ports und der Host-Adresse.

GitHub-Projekt:https://github.com/langchain-ai/mcpdoc